Surabaya, September 2025 – Di era digital, data sering disebut sebagai “minyak baru”. Ia menjadi sumber daya penting yang mendorong pengambilan keputusan, inovasi, hingga kebijakan publik. Namun, seperti minyak yang bisa mencemari jika tidak dikelola dengan bijak, data pun bisa menjadi sumber ketidakadilan jika mengandung bias.
Sebagai mahasiswa Sains Data, penting untuk memahami bahwa data tidak pernah sepenuhnya netral. Di balik setiap dataset, selalu ada jejak sejarah, keputusan manusia, serta struktur sosial yang membentuknya. Tugas seorang data scientist bukan hanya membersihkan data dari noise, tetapi juga dari bias yang berpotensi menyingkirkan kelompok tertentu.
Data bias muncul ketika kumpulan data tidak mewakili populasi secara adil, atau ketika proses pengumpulan, analisis, hingga interpretasi menghasilkan hasil yang condong ke satu sisi, baik secara sadar maupun tidak.
Beberapa contoh bias yang sering muncul antara lain:
- Selection Bias: Data hanya dikumpulkan dari kelompok tertentu (misalnya hanya pengguna smartphone).
- Labeling Bias: Data diberi label berdasarkan asumsi subjektif atau tidak adil.
- Historical Bias: Data mencerminkan ketimpangan masa lalu (contoh: perbedaan upah laki-laki dan perempuan).
- Measurement Bias: Alat ukur hanya cocok untuk sebagian populasi.
Peran Mahasiswa Sains Data sebagai Agen Keberagaman
Sebagai calon data scientist, mahasiswa punya peran penting untuk menghadirkan keadilan digital. Berikut langkah konkret yang bisa dilakukan:
- Sadari Siapa yang Tertinggal dalam Data. Saat menganalisis dataset, tanyakan: “Siapa yang terwakili? Siapa yang tidak?”
- Bangun Dataset yang Lebih Representatif. Gunakan sumber data yang beragam, tidak hanya dataset populer yang sering bias.
- Kritisi Metode Pengumpulan Data. Apakah survei hanya menjangkau masyarakat perkotaan? Apakah kelompok lain terabaikan?
- Ajukan Pertanyaan Etis di Setiap Proyek. Tidak hanya soal akurasi, tetapi juga: “Apakah model ini adil?” dan “Siapa yang bisa dirugikan?”
- Kolaborasi Lintas Disiplin. Bekerja sama dengan mahasiswa ilmu sosial, hukum, atau gender studies untuk memperluas perspektif.
Studi Kasus Mini: Proyek Kesehatan Berbasis Data Lokal
Sekelompok mahasiswa Sains Data di Indonesia mengembangkan aplikasi prediksi risiko kehamilan berbasis data puskesmas. Mereka menyadari sebagian besar data hanya berasal dari kota. Untuk meningkatkan inklusi, mereka menggandeng bidan desa, menambahkan variabel lokal seperti akses transportasi dan kondisi sosial. Hasilnya, aplikasi menjadi lebih akurat, relevan, dan adil bagi masyarakat luas.
Mahasiswa Sains Data bukan hanya pengolah angka, tetapi juga penjaga pintu keadilan digital. Di tengah perkembangan AI, machine learning, dan big data, Anda berperan penting sebagai agen keberagaman. Gunakan ilmu data untuk menciptakan teknologi yang tidak hanya cerdas, tetapi juga adil, inklusif, dan bermanfaat bagi semua.ial.erubahan yang siap menghadapi tantangan global dengan inovasi, kolaborasi, dan kepedulian sosial.
Penulis: Fujiyama / Foto: Pexels